#测试时扩展

这篇论文提出了一种更高效的测试时扩展曲线认证方法，大幅减少所需答案数量，提高认证效率。

如果你做推理模型，这个框架能解决置信度评分在复杂任务上失效的问题，用时间不对称性挑出真正靠谱的答案。

不用额外验证器，靠候选池内部共识就能挑出好CAD模型，几何指标还更准，省事又有效。

算力有限时该先验证还是再生成？CoBa用路由策略帮你分配，省近一半token，准确率不掉。

想让LLM更会推理？GradCuit不用改参数，直接优化内部状态，准确率比CoT高6.6个点，而且还更稳定，值得试试。

这篇论文的PUMA框架能实时诊断大模型推理时是有效思考还是绕圈子，在1.5B到32B模型上准确率更高且更省计算，推荐给关心推理效率的朋友。

这篇论文告诉你，在小模型上用测试时扩展，关键是让模型把答案写出来，而不是复杂搜索。Qwen2.5-VL调参后性价比很高。

这篇论文说，RL后训练时顺便就能得到一个免费的好信号，不用再费劲训练奖励模型，在好几个测试里都比专门训练的效果还好。做智能体训练的一定得看看。

数学证明是 AI 推理的硬核测试，MaxProof 用群体搜索和验证器强化学习突破了竞赛级证明的瓶颈，做数学 AI 或推理系统的研究者值得关注其方法。

这篇论文为AI推理失败提供了诊断工具，做模型调试和推理优化的团队可以直接用这三个特征来区分可修复与不可修复的失败，无需额外训练或权重访问，值得关注。